文档帮助中心
高斯混合分量马哈拉诺比斯距离
D2 =陵(GM,X)
例
D2=陵(克,X)返回在每个观察马氏距离平方X在每个高斯混合成分克。
D2=陵(克,X)
D2
克
X
全部收缩
生成,通过使用遵循两个二元高斯分布的混合随机变元mvnrnd功能。通过使用适合的高斯混合模型(GMM)来将所生成的数据fitgmdist函数,然后计算所产生的数据和拟合GMM的混合物组分之间马哈拉诺比斯距离。
mvnrnd
fitgmdist
定义两个二元高斯混合成分的分布参数(均值和协方差)。
RNG('默认')%用于重现MU1 = [1 2];所述第一组分的%平均sigma1 = [2 0;0 0.5];所述第一部件的协方差%MU2 = [-3 -5];所述第二组分的%平均σ-2 = [1 0;0 1];所述第二部件的协方差%
产生从每个分量随机变元的数目相等,并结合两组随机变元的。
R1 = mvnrnd(MU1,sigma1,1000);R2 = mvnrnd(MU2,sigma2,1000);X = [R1;R2];
合并后的数据集X包含两个二元高斯分布的混合下列随机变元。
适合的双组分GMM到X。
GM = fitgmdist(X,2)
克=高斯含有2种组分的混合物分配在2个维度组分1:混合比例:0.500000平均数:-2.9617 -4.9727组分2:混合比例:0.500000平均数:0.9539 2.0261
fitgmdist适合一对GMMX使用两种混合物组分。手段零件1和零件2是[-2.9617,-4.9727]和[0.9539,2.0261],这是接近MU2和MU1, 分别。
零件
1
2
[-2.9617,-4.9727]
[0.9539,2.0261]
MU2
MU1
计算每个点的马氏距离在X到的每个部件克。
D2 =陵(GM,X);
情节X通过使用分散和使用标记颜色显现的马哈拉诺比斯距离零件1。
分散
散射(X(:,1),X(:,2),10,D2(:,1),'')%散点图大小为10点C =彩条;ylabel(C,“马哈拉诺比斯距离组件1”)
gmdistribution
高斯混合分布,也称为高斯混合模型(GMM),指定为gmdistribution目的。
您可以创建一个gmdistribution使用对象gmdistribution要么fitgmdist。使用gmdistribution函数来创建gmdistribution通过指定分配参数对象。使用fitgmdist功能,以适应gmdistribution建模给定部件的固定数量的数据。
数据,指定为ñ-通过-米数字矩阵,其中ñ是观测值的数量和米是在每个观察的变量数。
如果某行的X包含NaN的, 然后泰姬陵排除从计算的行。在相应的值D2是为NaN。
NaN的
泰姬陵
为NaN
数据类型:单|双
单
双
在每个观测马氏距离平方X在每个高斯混合成分克,返回一个ñ-通过-ķ数字矩阵,其中ñ是观测的数量X和ķ是混合物组分的数量克。
D2(I,J)是观察的平方距离一世到Ĵ个高斯混合组件。
D2(I,J)
一世
Ĵ
马哈拉诺比斯距离是一个采样点和分配之间的度量。
从矢量马哈拉诺比斯距离X与平均分配μ和协方差Σ是
d = ( X - μ ) Σ - 1 ( X - μ ) “ 。
这距离代表多远X是从标准差数的平均值。
泰姬陵返回马氏距离平方d2从观察X到混合物中的组分克。
簇|fitgmdist|gmdistribution|泰姬陵|后
簇
后
这个例子的修改版本的系统上存在。你要打开这个版本呢?
您单击对应于该MATLAB命令的链接:
在MATLAB命令窗口中输入它运行的命令。Web浏览器不支持MATLAB的命令。万博1manbetx
选择一个网站,以获得翻译的内容,其中可看到当地的活动和优惠。根据您的位置,我们建议您选择:。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。
请联系您当地的办事处